使用TFRecords在Tensorflow中讀取和批處理序列數據

Question

嗨，我目前正在嘗試使用tensorflow批處理可變寬度的圖像。 例如我正在處理尺寸為50*245, 50*235, 50*265...and so on

我遵循了在網上找到的基本管道，首先將數據序列化，然后使用tf.train.SequenceExample().將其寫入tfrecord文件中tf.train.SequenceExample(). 我存儲不同寬度的圖像，例如245, 235, 265 ...and so on並使用此代碼存儲像素數據。

    example=tf.train.SequenceExample()

    #First we store our image width in 'input_length' feature
    example.context.feature['input_length'].int64_list.value.append(sequence_length)

    feature_input=example.feature_lists.feature_list['input']

    #Then we store pixel values in 'input' feature (our sequential data)
    for pixel in image : 
        feature_input.feature.add().int64_list.value.append(pixel)

    #write in the TFRecord file
    writer.write(example.SerializeToString())

然后，我們打開TFRecord文件並指定對順序數據的解析

#Definition of data parsing
context_features = {
            'input_length':tf.FixedLenFeature([],dtype=tf.int64)
}
sequence_features = {
            "input":tf.FixedLenSequenceFeature([50,],dtype=tf.int64,allow_missing=False),

}
#Now we parse the examples
length_parsed,sequence_parsed=tf.parse_single_sequence_example(
    serialized=serialized_data,
    context_features=context_features,
    sequence_features=sequence_features
)


input_lengths,input_data=tf.train.batch(
    tensors=[length_parsed['input_length'],sequence_parsed['input']],
    batch_size=1,
    dynamic_pad=True    
)

問題是動態填充似乎不起作用(?,50)當我認為我會獲得進入批處理中最大張量的形狀的張量時(?,50)我得到了形狀的張量(?,50) (265,50) ....有人對我在做什么錯有任何想法，或者我沒有指定批處理過程或以上任何過程的想法嗎？ 堅持了5天：/

Answer 1

我找到了解決方案...首先，我只將唯一的整數放入我的功能列表中，而不是將“整數列表”放入我的示例中。 所以腳本不明白為什么突然間我要尋找50個分量向量。